gplearn三自变量符号回归

gplearn是一个Python库，用于执行符号回归，其中包括三个或多个自变量的符号回归。gplearn使用遗传编程算法来生成数学表达式，以匹配给定的数据集。以下是一个使用gplearn进行三个自变量符号回归的示例代码：

from gplearn.genetic import SymbolicRegressor
import numpy as np

# 定义自变量
x = np.linspace(-1, 1, 100)
y = np.linspace(-1, 1, 100)
z = np.linspace(-1, 1, 100)

# 创建数据集
X = np.transpose([np.tile(x, len(y)*len(z)), np.tile(np.repeat(y, len(z)), len(x)), np.repeat(z, len(x)*len(y))])
y = X[:,0]**2 + X[:,1]**2 + X[:,2]**2

# 拟合模型
est_gp = SymbolicRegressor(population_size=5000, generations=20, stopping_criteria=0.01, p_crossover=0.7, p_subtree_mutation=0.1, p_hoist_mutation=0.05, p_point_mutation=0.1, verbose=1, random_state=0)
est_gp.fit(X, y)

# 输出最佳表达式
print(est_gp._program)

在这个例子中，我们使用`linspace`函数创建三个自变量x，y和z的值。然后，我们使用这些自变量计算对应的响应变量的值，并将它们组合成一个数据集。最后，我们使用`SymbolicRegressor`类拟合该数据集，并输出最佳表达式。在这里，我们使用了5000个个体，20代，0.01的停止标准，0.7的交叉概率，0.1的子树变异概率，0.05的提升变异概率和0.1的点变异概率。